Homologar la información de las bases de datos de salud y en específico las enfermedades respiratorias disponibles en datos abiertos y en datos de la Secretaría de Salud de la Ciudad de México (SEDESA) para generar series históricas y su relación con la exposición a contaminantes atmosféricos en conjunto con datos abiertos.
Este proyecto está dirigido hacia dependencias del sistema nacional de salud, mientras que los conjuntos de datos generados hacia investigadores interesados en las líneas de salud, calidad del aire, datos sociales y abiertos. Las dependencias de salud enfrentan, la carencia de una estrategia digital en datos, que ha derivado en tener dificultades para la gestión de grandes volúmenes de datos multidimensionales, que se sintetizan en: 1) sistemas heredados (con diferentes tecnologías y plataformas), 2) interoperabilidad multidimensional (diversas interfaces y motores de consultas), 3) Bases de datos aisladas. La integración de datos abiertos y de salud permitió identificar patrones espacio temporales y sus asociaciones con enfermedades. En particular, aquellas relacionadas con la contaminación del aire y con aspectos socioeconómicos de la población de la CDMX. Para lo cual se desarrollaron 4 subsistemas: 1) sistema integrador de datos en salud. 2) integrador de datos abiertos y calidad del aire (contaminantes criterios) 3) sistema de descubrimiento multidimensional de patrones socio-espacio temporales de salud, 4) sistema de visualización multidimensional. Los cuales en conjunto permiten desplegar y atender las problemáticas planteadas y de las cuales resaltan:
Sistemas heredados (con diferentes tecnologías y plataformas).
Interoperabilidad multidimensional (diversas interfaces y motores de consultas).
Bases de datos aisladas.
El ecosistema mencionado representa un gran desafío, pero es también
la oportunidad de solucionarlo a través de los paradigmas de Ciencias
de Datos, el Big Data y las técnicas Geoespaciales. La integración de
datos permitió atender consultas multidimensionales e identificar patrones
espacio-temporales asociados con enfermedades. En particular, aquellas
relacionadas con la contaminación del aire y/o la movilidad de los
ciudadanos de la CDMX.
La solución final se compone de 5 subsistemas que están accesibles a continuación:
Conoce y navega por los sistemas que hemos desarrollado en nuestro observatorio.
Explora los resultados y descubrimientos en materia de ciencia de datos y salud a través de artículos seleccionados y desarrollados por el equipo del observatorio en el proyecto 7051.
Artículos |
---|
1. Conference CCE 2022 Exploring nonlinear effects of air pollution on hospital admissions by disease using gradient boosting machines Minutti-Martinez, C., Galindo, A., Valdez-Garduño, L. F., & Mata-Rivera, M. F. (2022, November). Exploring nonlinear effects of air pollution on hospital admissions by disease using gradient boosting machines. In 2022 19th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE) (pp. 1-6). IEEE. |
2. Articulo A Geo-Social Characterization of Health Impact from Air Pollution in Mexico Valley https://www.hindawi.com/journals/misy/2022/5562317/ Autores: Roberto Zagal Flores,Christophe Claramunt,Miguel Felix Mata Rivera, Laura Ivoone Garay Jiménez,Hugo Jiménez Hernández, Ana Marcela Herrera Navarro,and Amadeo José Argüelles Cruz Fecha: 29 Aug 2022 |
3. Spatio-Temporal Analysis in Open Dataset from Respiratory Diseases Méndez, J. A. M., Huerta, J. G. S., Navarro, Y. E. G., Flores, R. Z., Salgado, E. A. C., Lugo, G. G., & Rivera, M. F. M. (2022, October), Proceedings (pp. 451-465). Cham: Springer International Publishing |
4. M-health system for cardiac and COVID patient monitoring using body sensor networks and machine learning. https://ipn.elsevierpure.com/es/publications/m-health-system-for-cardiac-and-covid-patient-monitoring-using-bo Autores: Beltrán-Chávez, F., Mata-Rivera, F., Rivero, M., Torres-Ruiz, M., Zagal-Flores, R., Guzmán, G., & Quintero, R. fecha: 2022. |
Aprovechamos los medios de comunicación para llevar nuestras investigaciones a una audiencia más amplia. Explorar algunas de las notas en las que se menciona nuestro proyecto.
Publicación | Medio | Fecha |
---|---|---|
Especialistas exponen avances del Pronaii de Ciencia de Datos y Salud. | Comunicado 282 Conacyt | 25 FEB 2022 |
Analizan con Big Data factores de enfermedades respiratorias. | Selección Gaceta Politécnica No. 145 | 31 DIC 2021 |
Buscando proteger y reconocer la propiedad intelectual de nuestras innovaciones y avances en la investigación, algunos de nuestros desarrollos se encuentran en proceso de registro de derechos de autor.
Producto | Detalles |
---|---|
Programa anonimización | XX-XX-XX |
Análisis respiratorias | XX-XX-XX |
Análisis Cancer | XX-XX-XX |
Análisis Diabetes | XX-XX-XX |
CONCIAS es un evento que se enfoca en proyectos para resolver problemas nacionales a través de la aplicación de la Inteligencia Artificial, con énfasis en la ciencia de datos aplicada a la salud. Ven y descubre cómo la innovación y la tecnología están transformando el panorama de la salud en nuestro país. ¡Únete a nosotros en este evento único y descubre cómo estamos mejorando la calidad de vida a través de la investigación!
Los datos obtenidos y el software desarrollado en este proyecto. Son valisos para la comunidad científica y para aquellos interesados en explorar los resultados o reutilizar los datos desde diferentes perspectivas.
Se encuentran disponibles en la plataforma ENI salud del CONACYTDatos | Descargar |
---|---|
Enfermedades respiratorias más comunes en el área metropolitana dividido por sectores. | Descargar |
Nuestro proyecto es un esfuerzo conjunto entre estudiantes e investigadores (niveles SNI 1 y 2) de diversas instituciones nacionales e internacionales, que trabajan en diferentes líneas de investigación, incluyendo Ciencia de Datos, GIS, Calidad del Aire, Enfermedades Respiratorias, Telemática e Inteligencia Artificial.
Etapa 1
Etapa 2